机器人视觉课程：
颜色识别与追踪

不同光源会改变物体在画面中的颜色表现。本节使用LAB TOOL筛选目标颜色区域，为后续颜色识别配置稳定参数。

学习目标

• 启动和关闭LAB TOOL。
• 根据当前环境调节已有颜色的LAB阈值。
• 新增识别颜色并保存颜色阈值。

启动LAB TOOL

1. 1
   连接机器人并打开终端

   按照6.0.4连接机器人，然后在远程桌面打开命令行终端。

2. 2
   停止APP自启服务

sudo systemctl stop start_app_node.service

3. 3
   启动深度相机节点

   相机节点会持续运行，请保留当前终端。

ros2 launch peripherals depth_camera.launch.py

4. 4
   在新终端启动LAB TOOL

python3 /home/ubuntu/software/lab_tool/main.py

LAB TOOL界面说明画面显示区与识别调节区

画面显示区（图中1）

左侧为摄像头处理后的画面，右侧为原始画面。若画面无法正常显示，请检查摄像头连接线，必要时重新插拔后再启动相机节点。

识别调节区（图中2）

界面控件	功能说明
	L、A、B滑杆用于调节三个分量。左侧是最小值，右侧是最大值。
	选择需要调节阈值的颜色。
	删除当前选择的颜色。
	增加可识别颜色。
	保存颜色阈值调节结果。
	切换深度相机和单目相机。
	关闭LAB TOOL。

调节颜色阈值

1. 1
   选择颜色

   在颜色列表中选择需要调节阈值的颜色，下面以红色（red）为例。

   

2. 2
   恢复完整范围

   将L、A、B分量的最小值全部设置为0，最大值全部设置为255。

   

3. 3
   缩小目标颜色区间

   将物体放入摄像头视野，参考LAB颜色空间分布图向目标区间调整。红色靠近“+a”，保持A最大值不变并逐步增大A最小值，直到目标变白、其他区域变黑。

   

   

   

4. 4
   调整亮度与冷暖

   根据环境调整L、B分量。红色偏浅时增大L最小值，偏深时减小L最大值；偏暖时增大B最小值，偏冷时减小B最大值。

   

5. 5
   保存设置

   确认目标区域完整、背景干扰较少后，点击“保存设置”。

   

保存与退出

1. 1
   保存颜色阈值

   点击识别调节区的“保存设置”。

2. 2
   关闭LAB TOOL

   点击右下角“关闭软件”。

   

3. 3
   关闭相机节点

   回到启动相机节点的终端，按“Ctrl+C”。

4. 4
   恢复APP自启服务

   服务恢复后，机械臂会回到初始位置。

sudo systemctl restart start_app_node.service

将红、绿、蓝物体依次放置在摄像头前，程序会使用对应颜色的圆圈标记目标，并在画面左下角显示颜色名称。

实验目标

• 启动深度相机和颜色识别程序。
• 完成红、绿、蓝三种颜色的物体识别。
• 根据画面标记和颜色名称判断结果是否正确。

实验准备

• 按照6.0.4完成机器人连接。
• 准备红、绿、蓝三种颜色明显的物体。
• 建议先完成6.1 LAB颜色阈值工具。
• 移除视野内颜色相近的物体，减少背景干扰。

开始实验

1. 1
   打开命令行终端
2. 2
   停止APP自启服务

sudo systemctl stop start_app_node.service

3. 3
   启动深度相机节点

   保留当前终端，节点会持续运行。

ros2 launch peripherals depth_camera.launch.py

4. 4
   在新终端启动颜色识别程序

   程序启动后，桌面会显示实时摄像头画面。

cd ~/ros2_ws/src/example/example/color_detect
python3 color_detect_demo.py

查看实验结果

1. 1
   测试红色物体

   观察物体周围的圆圈和左下角颜色名称。

2. 2
   依次更换绿色和蓝色物体

   确认识别结果会随物体颜色变化。

3. 3
   改变物体距离

   缓慢移动物体，观察程序能够稳定识别的范围。

结束实验

1. 1
   停止颜色识别

   在颜色识别程序终端按“Ctrl+C”。

2. 2
   关闭相机节点

   在相机节点终端按“Ctrl+C”。

3. 3
   恢复APP自启服务

sudo systemctl restart start_app_node.service

本实验通过鼠标点击画面动态取色，机器人会根据目标在画面中的位置调整行驶方向和前后距离。无需预先调节6.1中的LAB阈值，建议先完成6.2颜色识别。

实验目标

• 启动颜色追踪功能并进入追踪状态。
• 使用鼠标选取需要追踪的颜色。
• 控制机器人开始、暂停和恢复追踪。
• 根据画面标记和机器人运动判断追踪是否正常。

实验准备

• 按照6.0.4连接机器人远程桌面。
• 准备一个颜色明显的红色物块。
• 将机器人放在平整、开阔的地面并清除障碍物。
• 移除视野内大面积红色或相近颜色物体。
• 建议先完成6.2颜色识别。

开始追踪

1. 1
   打开终端
2. 2
   启动目标追踪、相机和底盘控制节点

   当前终端需要保持运行。

ros2 launch app object_tracking_node.launch.py debug:=true

3. 3
   在新终端进入目标追踪功能

   成功后返回success: true，桌面随后显示实时画面。

ros2 service call /object_tracking/enter std_srvs/srv/Trigger {}

4. 4
   鼠标左键点击红色物块

   点击物块中间颜色均匀的位置。出现彩色圆圈和黄色目标点后，说明取色成功；此时机器人尚未移动。

5. 5
   确认安全后启动追踪

   服务返回success: true后，机器人开始自动移动。

ros2 service call /object_tracking/set_running std_srvs/srv/SetBool "{data: True}"

查看实验结果

1. 1
   左右移动物块

   观察机器人是否转向目标所在方向。

2. 2
   改变物块距离

   观察机器人是否向前或向后调整位置。

3. 3
   停止移动物块

   观察目标接近黄色点后，机器人是否停止或只进行小幅调整。

程序比较彩色圆圈中心与黄色目标点的位置偏差，并通过控制器调整运动。偏差越大，调整越明显；接近目标点后，运动逐渐停止。

cd ~/ros2_ws/src/app/app
cp -n object_tracking.py object_tracking.py.bak

gedit object_tracking.py

self.pid_yaw = pid.PID(0.006, 0.0, 0.0)

self.pid_dist = pid.PID(0.002, 0.0, 0.0)

if abs(x - self.x_stop) > 20:

if abs(y - self.y_stop) > 20:

cd ~/ros2_ws/src/app/app
cp object_tracking.py.bak object_tracking.py
cmp -s object_tracking.py object_tracking.py.bak && echo "默认程序恢复成功"

结束实验

返回运行launch指令的命令行终端，按“Ctrl+C”退出。目标追踪、相机和底盘控制节点会同时关闭，确认机器人停止运动即可。